我有一个名为PDF2XL的软件，它通常适用于从PDF文件中提取数据表。我以前用过数百个文件。
这个文件虽然给了我乱码输出，我甚至无法正确复制并粘贴到这个textarea。各种各样的unicode古怪。
如果我按照正常情况复制并粘贴到excel / notepad中，我会遇到同样的问题。
我认为这与PDF文件中混乱的字符编码标题有关？我怎么能改变这个？我在Windows上没有可以编辑PDF的软件，所以如果我需要编辑/重新保存它，请推荐一个免费的软件来完成它。
谢谢！
答案 0 :(得分：6)
使用的子化字体有越来越多的PDF文件，基本上是自定义编码。通常，PDF中的字体描述符应该有一个ToUnicode表，以允许文本提取解码字体编码并返回正确的文本。
一些PDF生产商正在故意这样做，以防止对财务报告等内容进行简单的PDF文本提取。如果只有一种字体，那么你可以手动解码字体，但根据我的经验，我看到PDF有多种随机编码，几乎不可能自动解码。
测试这些类型的PDF的一种方法是在Acrobat中打开文件，选择一些文本，复制它然后将其粘贴到记事本中。如果文本出现乱码，则PDF使用的是子集化字体，您无法做更多事情。如果Acrobat无法正确提取文本，那么其他任何内容都无法解析。它也可能是一组象形文字。